arXiv cs.AI· Xiaolin Zhou, Aojie Yuan, Zheng Luo, Zipeng Ling, Xixiao Pan, Yicheng Gao, Haiyue Zhang, Jiate Li, Shuli Jiang, Prince Zizhuang Wang, Zixuan Zhu, Jinbo Liu, Ryan A. Rossi, Hua Wei, Xiyang Hu·· 1 天前AI 评分42
RobustBench-TC：面向工具调用智能体的仿真到现实基准与 ToolRL-DR 域随机化 RL 方案
When Simulation Lies: A Sim-to-Real Benchmark and Domain-Randomized RL Recipe for Tool-Use Agents
AI 导读
研究者提出 RobustBench-TC，按 POMDP 四个组件组织 22 种扰动类型，每个都对应已验证的 GitHub issue 或工具调用故障记录。在 1.5B 至 32B 的 21 个模型（含闭源 o4-mini）上，观测扰动使准确率下降不到 5%，而奖励相关和转移扰动分别下降约 40% 和 30%，仅靠扩大规模无法弥合差距。
来源：arXiv cs.AI · arxiv.org